Какой алгоритм использовать для автоисправления ошибок распознавания?

Question

[FError]

При распознавании номеров контейнеров по стандарту ISO 6346
смарткамерами (Android Things, Java, ml-kit) возникают типичные ошибки (А = 4, 0 = O, 22G1 = 2261).
Ранее такие случаи исправлялись оператором, сейчас возникла необходимость минимизировать такие ошибки.
Какой подход тут лучше использовать?
Напрашивается последовательная замена типичных ошибочных символов на их соответствия и перепроверка чексуммы пока сумма не совпадет (ограничить одной-двумя заменами), но возможно что и само значение суммы распознается некорректно и тогда можем подгонять сам номер контейнера под неверное число.
Какие еще в данном подходе могут быть "подводные камни".

Answer 1

[Philipp]

Модифицировать код съемки и распознавания так, чтобы производился цикл съемки пока номер не распознан успешно. Не забыть ограничение по числу циклов распознавания.
Для удобства снимать вместо 1 картинки несколько с интервалом в 100-200 мс.

Comments

[FError]

Сейчас в цикле и происходит съемка, но бывает что сам номер с повреждением краски или нанесен на рифленую поверхность и стабильно выдается ошибка из-за деформации символа и правильного варианта нет в итерациях.

[Philipp]

FError, если есть какой-то дополнительный источник данных, например список номеров вагонов, тогда можно выбирать наиболее похожий.

В целом свести ошибку распознавания можно лишь введением дополнительных данных, которые можно потом использовать (вроде кода Рида-Соломона).

Если бы номера вагонов всегда писались одинаковым шрифтом, то можно было бы опереться на особенности шрифта и дообучить алгоритм используя данные от человека.